英伟达开源Nemotron 3.5 Transcribe语音模型

英伟达开源发布语音识别模型 Nemotron 3.5 Transcribe，可转录 40 种语言、与英语互译 31 种、识别 13 种语言的说话人，支持最长 1 小时、最多 8 名说话人的录音。英伟达称该模型在多项基准测试中领先，并同时发布了训练数据集 Granary v2 及针对专业领域适配模型的工具，模型和数据集已上架 Hugging Face。 该模型仅面向已录制的音频，不支持实时处理。英伟达建议在定制模型版本时至少准备 100 条经核验的真实录音用于测试。

AI 根据报道生成 · 55 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。